AB稿纠错是唐库AI创作平台的一项创新，先看一组数据：
Google Gemini 2.0 Flash：0.7%幻觉率（医疗诊断场景）
DeepSeek-V3：3.9%幻觉率（金融分析场景）
DeepSeek-R1：14.3%幻觉率（知识问答场景）
14.3的幻觉率太高了，所幸DeepSeek-V3的幻觉率比较低，但即使4%的幻觉率在全自动化工作时也是不可接受的，如何降低这个错误率呢？
唐库首次提出了AB稿纠错方案：同一问题，让AI回答两次，两次回答称为A稿和B稿，再第三次调用AI，让它从A,B中选择一个回答，这个方案唐库称为AB稿纠错。
为什么AB稿纠错能降低错误率呢？原因是AB稿同时出错的几率小，就算第三次评估出现幻觉，但此时AB都是对的，最终还是对的。
我们可以来计算概率，假设AI的幻觉率（出错率）是4%，采用AB稿纠错后能降到多少？
有AI我们就不要自己算了，提示词如下：假设AI回答问题的幻觉率（错误率）是4%，同一问题，让AI回答两次，两次回答名称为A稿和B稿，再第三次调用同一AI，让它从A,B中选择一个正确答案，计算第三次回答的错误率？
从各个AI的回答中发现Gemini 2.5 Pro的回答最为清晰：
A稿和B稿的可能情况：
1，A 正确，B 正确 (C, C):
概率 = P(Correct) P(Correct) = 0.96 0.96 = 0.9216
2，A 正确，B 错误 (C, I):
概率 = P(Correct) P(Error) = 0.96 0.04 = 0.0384
3，A 错误，B 正确 (I, C):
概率 = P(Error) P(Correct) = 0.04 0.96 = 0.0384
4，A 错误，B 错误 (I, I):
概率 = P(Error) P(Error) = 0.04 0.04 = 0.0016
(检查: 0.9216 + 0.0384 + 0.0384 + 0.0016 = 1.0)
现在分析第三次调用 AI 在上述四种情况下产生最终错误的可能性：
1，情况 (C, C): A 正确，B 正确
此时 A 和 B 都是正确答案。要求 AI 从中选一个“正确”的。无论 AI 选择 A 还是 B，最终结果都是正确的。
在这种情况下，第三次调用后得到错误答案的概率是 0。
2，情况 (C, I): A 正确，B 错误
此时 A 是正确答案，B 是错误答案。要求 AI 选择正确的答案（即 A）。
AI 有 96% 的概率做出正确判断（选择 A），有 4% 的概率做出错误判断（选择 B）。
在这种情况下，第三次调用后得到错误答案的概率是 0.04。
此情况对最终错误率的贡献 = P(C, I) P(选择错误) = 0.0384 0.04 = 0.001536
3，情况 (I, C): A 错误，B 正确
此时 A 是错误答案，B 是正确答案。要求 AI 选择正确的答案（即 B）。
AI 有 96% 的概率做出正确判断（选择 B），有 4% 的概率做出错误判断（选择 A）。
在这种情况下，第三次调用后得到错误答案的概率是 0.04。
此情况对最终错误率的贡献 = P(I, C) P(选择错误) = 0.0384 0.04 = 0.001536
4，情况 (I, I): A 错误，B 错误
此时 A 和 B 都是错误答案。要求 AI 从中选择一个“正确”的答案。
由于没有正确答案可选，无论 AI 选择 A 还是 B，最终结果都将是错误的。
在这种情况下，第三次调用后得到错误答案的概率是 1。
此情况对最终错误率的贡献 = P(I, I) P(必然选择错误) = 0.0016 1 = 0.0016
计算最终错误率：
最终的错误率是所有导致错误结果的情况的概率之和。
最终错误率 = 情况2的错误贡献 + 情况3的错误贡献 + 情况4的错误贡献
最终错误率 = 0.001536 + 0.001536 + 0.0016
最终错误率 = 0.004672
结论：第三次回答（即通过 AI 从 A 稿和 B 稿中选择一个正确答案）的错误率大约是 0.4672%。这个结果表明，通过让 AI 对两次独立生成的结果进行一次判断和选择，可以显著降低最终答案的错误率（从 4% 降低到约 0.47%）。
实际情况会更好，对于只输出一个字符的评估AI，基本上不出现幻觉（幻觉率与AI的输出长度相关，输出越长幻觉率越高），如评估AI错误率为0，则总的错误率就是0.0016，从 4% 降低到约 0.16%
！通过三次调用，错误率降低25倍，还是值得的，基于Deepseek的API的调用价格非常便宜。
如果采用ABC稿纠错，即调用AI四次，错误率为4%4%4% = 0.064%，不到千分之一了。
以上计算，基于这些假设：
1，A，B稿的生成是独立的，不关联的，目前的AI也都是这么做的，同一问题问两遍，答案也不会完全一样，为了避免AI通过缓存回答相同问题，唐库可以设置AB稿使用不同的API;
2，评估AI的输出就一个字符，A或者B。大型语言模型（LLM）的幻觉现象与其输出内容的长度存在一定的相关性，并非简单的线性因果关系。更准确地说，输出内容越长，出现幻觉的风险或概率可能会随之增加。而输出一个字符，幻觉率会大幅降低，甚至为0。
